cy_GB-bu_tts - 威尔士语神经文本转语音

这是一个使用 Piper 训练的威尔士语（Cymraeg）神经文本转语音模型。Piper 是一个快速、本地化的神经 TTS 系统，专为树莓派和其他低端设备优化。

开发者： 班戈大学语言技术单元（Uned Technolegau Iaith, Bangor University） 模型类型： 神经 TTS（基于 VITS 架构） 语言： 威尔士语（cy_GB） 许可证： CC0-1.0 格式： ONNX

模型详情

• 架构： 基于 Piper 的 VITS（变分推理对抗学习端到端文本转语音）
• 说话人： 多说话人模型，包含 3 个说话人变体
• 质量： 中等质量（适用于屏幕阅读器和辅助技术）
• 模型大小： 约 77 MB
• 推理速度： 针对CPU实时合成优化
• 采样率： 22050 Hz
• 训练框架： Piper 训练流水线

训练数据

该模型使用 bu-tts-cy-en 数据集（班戈大学威尔士语-英语文本转语音数据集）进行训练。

数据集特征：

• 规模： 10,000-100,000 个样本
• 语言： 威尔士语和英语（双语数据集）
• 许可证： CC0 1.0（公共领域）
• 内容： 音频录音及对应的文本转录
• 来源： 班戈大学语言技术单元

训练数据局限性：

• 数据集由免费可用的录音组成（公共领域有声读物和研究质量录音）
• 覆盖范围不全面，未涵盖所有威尔士语词汇和语境
• 某些发音模式可能受训练数据中说话人多样性有限的限制
• 使用更大、更多样化、专业录制的数据集可能提升质量

预期用途

主要用例：

• 屏幕阅读器和辅助技术（特别是 NVDA 集成）
• 为视力障碍的威尔士语使用者提供的无障碍工具
• 威尔士语学习应用
• 本地、离线威尔士语 TTS 应用
• 威尔士语语音合成研究

支持的平台：

• 兼容 Piper TTS 运行时
• 支持 Sonata TTS 引擎
• x86/x64 架构上的 ONNX Runtime
• 树莓派和其他资源受限设备

使用方法

使用 Piper

# 下载模型文件
wget https://huggingface.co/techiaith/cy_GB-bu_tts/resolve/main/cy_GB-bu_tts.onnx
wget https://huggingface.co/techiaith/cy_GB-bu_tts/resolve/main/cy_GB-bu_tts.onnx.json

# 运行合成
echo \"Bore da, sut wyt ti?\" | piper \
  --model cy_GB-bu_tts.onnx \
  --output_file output.wav

使用 NVDA 屏幕阅读器

安装 techiaith 威尔士语神经语音 NVDA 插件：

1. 从 发布页面 下载插件
2. 安装并重启 NVDA
3. 首次运行时语音将自动下载（77 MB）
4. 在 NVDA 的语音设置中选择 "Uned Technolegau Iaith - Welsh Neural Voices"

使用 Python（ONNX Runtime）

import onnxruntime as ort
import numpy as np
import json
import wave

# 加载模型
session = ort.InferenceSession(\"cy_GB-bu_tts.onnx\")

# 加载配置
with open(\"cy_GB-bu_tts.onnx.json\") as f:
    config = json.load(f)

# 完整实现请参考：
# https://github.com/rhasspy/piper/blob/master/src/python_run/piper/voice.py

使用 Sonata 引擎

from sonata import tts_engine

engine = tts_engine.TTSEngine()
engine.load_voice(\"cy_GB-bu_tts.onnx\")

# 合成语音
audio = engine.synthesize(\"Bore da!\")
engine.save_audio(audio, \"output.wav\")

音频样本

收听语音样本：Piper 威尔士语样本

局限性

• 发音： 某些单词可能表现出不正确或不寻常的发音，特别是：
  • 技术术语和新词
  • 训练数据中未出现的地名
  • 发音规则有歧义的单词
• 音频质量： 中等质量 - 适用于辅助技术但非录音室级别
• 领域覆盖： 在一般对话文本上表现最佳；可能在专业领域表现欠佳
• 表现力： 情感范围有限（中性/信息性语调）
• 平台： 针对 x86/x64 上的 CPU 推理优化；不支持 ARM64 Windows
• 语言混合： 虽然在双语数据上训练，但使用纯威尔士语文本效果最佳

性能

• 实时因子： 在现代 CPU 上 < 1.0（比实时合成更快）
• 延迟： 低延迟，适用于交互式应用
• 内存使用： 推理期间约 100 MB RAM
• 支持平台： Windows 10/11 (x86/x64)、Linux (x86/x64)、树莓派

模型文件

本仓库包含：

• cy_GB-bu_tts.onnx - ONNX 格式的神经 TTS 模型
• cy_GB-bu_tts.onnx.json - 模型配置文件（音素映射、采样率等）

引用

如果您使用此模型，请引用：

@misc{cy_GB_bu_tts_2025,
  author = {{Language Technologies Unit, Bangor University}},
  title = {cy\_GB-bu\_tts: Welsh Neural Text-to-Speech Model},
  year = {2025},
  publisher = {Hugging Face},
  howpublished = {\url{https://huggingface.co/techiaith/cy_GB-bu_tts}}
}

@dataset{bu_tts_cy_en_2025,
  author = {{Language Technologies Unit, Bangor University}},
  title = {Bangor University Text to Speech Welsh-English Dataset},
  year = {2025},
  publisher = {Hugging Face},
  howpublished = {\url{https://huggingface.co/datasets/techiaith/bu-tts-cy-en}}
}

@misc{piper_tts,
  author = {{Rhasspy Community}},
  title = {Piper: A fast, local neural text to speech system},
  year = {2023},
  publisher = {GitHub},
  howpublished = {\url{https://github.com/rhasspy/piper}},
  note = {Now maintained at \url{https://github.com/OHF-Voice/piper1-gpl}}
}

致谢

本工作建立在更广泛的开源 TTS 社区贡献之上：

• Piper TTS 和 Rhasspy 社区 开发了训练框架和 TTS 架构，使高质量、本地化神经 TTS 变得触手可及
• Musharraf Omer 创建了 Sonata TTS 引擎 和 Sonata-NVDA 插件，实现了与屏幕阅读器的无缝集成
• 威尔士语 TTS 训练数据的贡献者
• 更广泛的开源语音合成社区，推动了无障碍语音技术的发展

许可证

本模型以 CC0-1.0（公共领域） 发布。您可以自由使用、修改和分发本模型，用于任何目的，不受限制。

训练代码采用 MIT 许可证。

联系与支持

组织： Uned Technolegau Iaith / 班戈大学语言技术单元 问题反馈： 在 GitHub Issues 报告问题 项目页面： NVDA 威尔士语神经语音

版本历史

• 2025.11.0 (Beta)： 首次公开发布，包含 3 个说话人变体，中等质量

相关资源

• NVDA 威尔士语神经语音插件 - 屏幕阅读器集成
• Piper TTS - 训练和推理框架
• Sonata 引擎 - 跨平台 TTS 引擎
• 训练数据集 - 威尔士语-英语 TTS 语料库

本模型旨在支持威尔士语无障碍功能，并通过现代语音技术保护和推广威尔士语。